Mechanism of intensity noise suppression in Yb-doped phase-biased mode-locked NALM lasers
Notice bibliographique
Résumé
Emerging applications in quantum spectroscopy, information processing, and time synchronization depend heavily on low-noise mode-locked lasers, as do microwave photonics and laser microscopy. Mode-locked fiber lasers have become a staple in this regard, most recently, the robust and self-starting phase-biased nonlinear amplifying loop mirror (NALM) lasers built with polarization-maintaining fiber. These lasers produce very low relative intensity noise (RIN), which has been further reduced by intracavity and extracavity filtering of amplified spontaneous emission (ASE) or via phase-bias variation, where in both cases the laser output's center wavelength was longer than the gain medium's peak emission wavelength. Here, for the first time for such lasers, we combine noise and power measurements with intracavity spectral filtering and measurement of pump-to-output transfer function. This novel approach reveals that filtering of pump noise via saturation of self-amplitude modulation (SAM) dominates RIN suppression across the board, where ASE plays a secondary role. We utilize this understanding to suppress RIN below the noise floor of our measurement system (-137 dBc/Hz over 100 Hz-1 MHz) by maximizing the saturation of SAM through adjustments of pump power and phase bias. Our findings make for a systematic and passive method for suppressing RIN.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».